Pasaulinės AI investicijos spartėja, tačiau KPMG duomenys rodo, kad atotrūkis tarp įmonės AI išlaidų ir išmatuojamos verslo vertės sparčiai didėja.
Pirmosios KPMG ketvirtinės „Global AI Pulse“ apklausos antraštė yra neryški: nepaisant to, kad pasaulinės organizacijos per ateinančius 12 mėnesių planuoja išleisti dirbtiniam intelektui 186 mln.
Tačiau pagrindinis atradimas yra ne kad AI nepavyksta; 64 procentai respondentų teigia, kad dirbtinis intelektas jau duoda reikšmingų verslo rezultatų. Problema ta, kad „prasmingas“ tame sakinyje atlieka daug sunkių darbų, o atstumas tarp laipsniško produktyvumo padidėjimo ir tokio sudėtingo veiklos efektyvumo, kuris perkelia adatą ant maržos, daugeliui organizacijų vis dar yra didelis.
Veiklos spragų architektūra
KPMG ataskaitoje išskiriami „AI lyderiai“ (ty organizacijos, plečiančios arba aktyviai veikiančios agentinį AI) ir visi kiti. Rezultatų skirtumas tarp šių dviejų grupių yra ryškus.
Steve’as Chase’as, KPMG International pasaulinis dirbtinio intelekto ir skaitmeninių inovacijų vadovas, sakė: „Pirmieji Global AI Pulse rezultatai patvirtina, kad daugiau išleisti dirbtiniam intelektui nėra tas pats, kas kurti vertę. Pirmaujančios organizacijos peržengia įgalinimo ribas, pasitelkdamos dirbtinio intelekto agentus, kad iš naujo įsivaizduotų procesus ir pakeistų sprendimų ir darbo srautą visoje įmonėje.
82 procentai AI lyderių teigia, kad AI jau teikia reikšmingą verslo vertę. Tarp jų bendraamžių šis skaičius sumažėja iki 62 proc. Šis 20 procentų punktų skirtumas gali atrodyti kuklus atskirai, tačiau jis greitai susiformuoja, kai atsižvelgiama į tai, ką jis atspindi: ne tik geresnes priemones, bet ir iš esmės skirtingas diegimo filosofijas.
Šios 11 procentų organizacijos naudoja agentus, kurie koordinuoja darbą įvairiose funkcijose, priima sprendimus be žmogaus tarpininkavimo kiekviename žingsnyje, pateikia visos įmonės įžvalgas iš veiklos duomenų beveik realiuoju laiku ir pažymi anomalijas, kol jos neperauga į incidentus.
IT ir inžinerijos srityse 75 procentai AI lyderių naudoja agentus, kad paspartintų kodo kūrimą, palyginti su 64 procentais jų kolegų. Operacijose, kuriose tiekimo grandinės orkestravimas yra pagrindinis naudojimo atvejis, padalijimas yra 64 proc., palyginti su 55 proc. Tai nėra ribiniai įrankių pritaikymo rodiklių skirtumai; jie atspindi skirtingus proceso pertvarkymo lygius.
Dauguma įmonių, įdiegusių dirbtinį intelektą, tai padarė sudėliodamos modelius į esamas darbo eigas (pvz., antrasis pilotas čia, apibendrinimo įrankis ten…), neperplanuodamos proceso, kuriame šie įrankiai yra viduje. Tai duoda laipsnišką pelną.
Organizacijos, panaikinančios veiklos spragą, pakeitė šį požiūrį: jos pirmiausia pertvarko procesą, o paskui skiria agentus, kad jie veiktų pagal pertvarkytą struktūrą. DI išlaidų grąžos skirtumas tarp šių dviejų metodų per trejų–penkerių metų laikotarpį greičiausiai bus lemiamas konkurencinis kintamasis keliose pramonės šakose.
Ką iš tikrųjų perka 186 milijonai dolerių, o ko ne
KPMG duomenyse pateikti investicijų skaičiai nusipelno kruopštumo. Svertinis pasaulinis 186 mln. USD vidurkis vienai organizacijai skamba reikšmingai, tačiau regioninė dispersija pasakoja įdomesnę istoriją.
ASPAC pirmauja – 245 mln. USD, Amerika – 178 mln. USD, o EMEA – 157 mln. USD. ASPAC organizacijose, įskaitant Kinijos ir Honkongo organizacijas, vidutiniškai investuojama 235 mln. Amerikoje JAV organizacijos siekia 207 mln.
Šie skaičiai rodo planuojamas išlaidas modelių licencijavimui, skaičiavimo infrastruktūrai, profesionalioms paslaugoms, integracijai ir valdymo bei rizikos valdymo aparatams, kurių reikia norint atsakingai valdyti AI.
Klausimas ne tas, ar 186 milijonai dolerių yra per daug ar per mažai; tai, kokia šio skaičiaus dalis skiriama eksploatacinei infrastruktūrai, reikalingai pačių modelių vertei gauti. Apklausos duomenys rodo, kad dauguma organizacijų vis dar neįvertina pastarosios kategorijos.
Skaičiavimo ir licencijavimo sąnaudos yra matomos ir gana lengva jas sudaryti. Trinties kaštai – inžinerinės valandos, praleistos integruojant dirbtinio intelekto išvestis su senomis ERP sistemomis, delsa, atsirandanti dėl paieškos papildytų generavimo vamzdynų, sukurtų remiantis prastai struktūrizuotais duomenimis, ir atitikties sąnaudos, susijusios su AI padedamų sprendimų audito sekų palaikymu reguliuojamose pramonės šakose – dažniausiai atsiranda vėlyvuose diegimo cikluose ir dažnai viršija pradinius įvertinimus.
Vektorinių duomenų bazių integravimas yra naudingas pavyzdys. Daugelis agentų darbo eigų priklauso nuo galimybės realiuoju laiku gauti atitinkamą kontekstą iš didelių, nestruktūrizuotų dokumentų saugyklų. Tam skirtos infrastruktūros kūrimas ir priežiūra – paslaugų teikėjų, pvz., Pinecone, Weaviate ar Qdrant, pasirinkimas, patentuotų duomenų įterpimas ir indeksavimas ir atnaujinimo ciklų valdymas kaip pagrindinių duomenų pasikeitimas – padidina prasmingą inžinerinį sudėtingumą ir nuolatines veiklos sąnaudas, kurios retai pasitaiko pradiniuose AI investavimo pasiūlymuose.
Kai šios infrastruktūros nėra arba ji blogai prižiūrima, agento veikimas blogėja taip, kad dažnai sunku diagnozuoti, nes modelio elgesys yra teisingas, palyginti su gaunamu kontekstu, tačiau tas kontekstas yra pasenęs arba neišsamus.
Valdymas kaip veiklos kintamasis, o ne atitikties užtikrinimas
Bene praktiškiausia KPMG tyrimo išvada yra AI brandumo ir pasitikėjimo rizika ryšys.
Iš vis dar eksperimentuojančių organizacijų tik 20 procentų jaučiasi įsitikinę savo gebėjimu valdyti su AI susijusią riziką. Tarp AI lyderių šis skaičius išauga iki 49 proc. 75 procentai pasaulio lyderių įvardija duomenų saugumą, privatumą ir riziką kaip nuolatinius rūpesčius, nepaisant brandos lygio, tačiau branda keičia šių problemų įgyvendinimą.
Tai yra svarbus skirtumas tarp valdybų ir rizikos funkcijų, kurios paprastai AI valdymą riboja diegti. KPMG duomenys rodo priešingą dinamiką: valdymo sistemas nedaryk lėtas AI įsisavinimas brandžiose organizacijose; jie tai įgalina. Pasitikėjimas judėti greičiau – diegti agentus į aukštesnio lygio darbo eigą, išplėsti agentų koordinavimą tarp funkcijų – tiesiogiai koreliuoja su tuos agentus supančios valdymo infrastruktūros branda.
Praktiškai tai reiškia, kad organizacijos, kurios valdymą traktuoja kaip retrospektyvų atitikties lygmenį, yra dvigubai nepalankioje padėtyje. Jie diegiami lėčiau, nes kiekvienas naujas naudojimo atvejis sukelia naują valdymo peržiūrą, be to, jiems kyla didesnė veiklos rizika, nes įterptųjų valdymo mechanizmų nebuvimas reiškia, kad nepaprasti atvejai ir gedimo būdai aptinkami gamyboje, o ne testuojant.
Organizacijos, kurios valdymą įtraukė į patį diegimo dujotiekį (pvz., modelių kortelės, automatinė išvesties stebėjimas, paaiškinamumo įrankiai ir „žmogaus ciklo“ eskalavimo keliai mažo pasitikėjimo sprendimams priimti), yra tos organizacijos, kurios veikia su pasitikėjimu, leidžiančiu joms keisti mastelį.
„Galiausiai nėra agentų ateities be pasitikėjimo ir nėra pasitikėjimo be valdymo, kuris neatsilieka koja kojon“, – aiškina Steve’as Chase’as, pasaulinis KPMG International AI ir skaitmeninių inovacijų vadovas. „Apklausa aiškiai parodo, kad nuolatinės investicijos į žmones, mokymą ir pokyčių valdymą yra tai, kas leidžia organizacijoms atsakingai išplėsti dirbtinį intelektą ir gauti vertę.
Regioniniai skirtumai ir tai, ką jie rodo pasauliniam diegimui
Tarptautinėms įmonėms, tvarkančioms dirbtinio intelekto programas įvairiuose regionuose, KPMG duomenys rodo esminius diegimo greičio ir organizacinės padėties skirtumus, kurie turės įtakos pasauliniam diegimo planavimui.
ASPAC agresyviausiai žengia į priekį dėl agento mastelio; 49 procentai organizacijų yra DI agentai, palyginti su 46 procentais Amerikoje ir 42 procentais EMEA. ASPAC taip pat pirmauja dėl sudėtingesnių kelių agentų sistemų valdymo galimybių – 33 proc.
Užtvarų profiliai taip pat skiriasi tokiais būdais, kurie turi realių veiksmų. Tiek ASPAC, tiek EMEA šalyse 24 procentai organizacijų nurodo lyderių pasitikėjimo ir dalyvavimo stoką kaip pagrindinę kliūtį diegti AI agentą. Amerikoje šis skaičius sumažėja iki 17 proc.
Agentinės sistemos pagal apibrėžimą priima arba inicijuoja sprendimus be atskiro žmogaus pritarimo. Organizacinėse kultūrose, kur atskaitomybė už sprendimus yra griežtai sutelkta aukštesniajame lygmenyje, tai gali sukelti institucinį pasipriešinimą, kurio neišsprendžia jokie techniniai pajėgumai. Pataisymas yra valdymo dizainas; konkrečiai, iš anksto apibrėžiant, kokias sprendimų kategorijas agentas turi teisę priimti savarankiškai, kas sukelia eskalavimą ir kas yra atsakingas už agento inicijuotus rezultatus.
Žmogaus ir dirbtinio intelekto bendradarbiavimo lūkesčių atotrūkis taip pat vertas dėmesio tiems, kurie pasauliniu mastu kuria agentų padedamas darbo eigas.
Rytų Azijos respondentai numato, kad AI agentai projektams vadovaus 42 proc. Australijos respondentai teikia pirmenybę žmogaus nukreiptam AI – 34 proc. Šiaurės Amerikos respondentai linkę į lygiavertį žmogaus ir AI bendradarbiavimą – 31 proc. Šie skirtumai turės įtakos tai, kaip agentų padedami procesai turi būti suprojektuoti skirtinguose regioniniuose tos pačios pagrindinės sistemos diegimuose, todėl bus sudėtinga lokalizuoti, kurią lengva neįvertinti planuojant centralizuotą platformą.
Vienas KPMG tyrimo duomenų taškas, kuris nusipelno ypatingo finansų direktorių ir valdybų dėmesio: 74 procentai respondentų teigia, kad dirbtinis intelektas išliks svarbiausias investicijų prioritetas net ir nuosmukio atveju. Tai yra arba tikro įsitikinimo dėl AI vaidmens sąnaudų struktūroje ir konkurencinėje pozicijoje ženklas, arba tai atspindi kolektyvinį įsipareigojimą, kuris dar nebuvo patikrintas atsižvelgiant į faktinį biudžeto spaudimą. Tikriausiai abu, skirtingomis proporcijomis įvairiose organizacijose.
Tai rodo, kad vis dar eksperimentuojančių organizacijų langas nėra neapibrėžtas. Jei 11 procentų dirbtinio intelekto lyderių ir toliau didins savo pranašumą (o KPMG duomenys rodo, kad mechanizmai, kaip tai padaryti, yra), likusiems 89 procentams kyla ne klausimas, ar paspartinti DI diegimą, o kaip tai padaryti nepadidinant integracijos skolų ir valdymo trūkumų, kurie jau riboja jų grąžą.
Taip pat žiūrėkite: Hershey taiko AI visose tiekimo grandinės operacijose
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security & Cloud Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
